#explainable-ai Repository
Scopri 49 repository GitHub open source attivi contrassegnati con #explainable-ai, che raccolgono un totale di 137,847 stelle (con una media di 2,813 stelle per progetto). Il progetto leader di questo argomento è KindXiaoming/pykan, con 16,291 stelle.
49 repository in totale
Spiegabilità avanzata dell'IA per la visione artificiale. Supporto per CNN, Vision Transformers, Classificazione, Rilevamento oggetti, Segmentazione, Similarità di immagini e altro.
Immergiti in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision e NLP imparando da queste lezioni entusiasmante!!
Inferenza affettata/tiled indipendente dal framework + interfaccia utente interattiva + grafici di analisi degli errori
Debugging, monitoraggio e visualizzazione per Python Machine Learning e Data Science
Responsible AI Toolbox è una suite di strumenti che fornisce interfacce utente e librerie per l'esplorazione e la valutazione di modelli e dati, consentendo una migliore comprensione dei sistemi di intelligenza artificiale. Queste interfacce e librerie consentono a sviluppatori e stakeholder di sistemi di intelligenza artificiale di sviluppare e monitorare l'IA in modo più responsabile e di intraprendere migliori azioni basate sui dati.
L'IA è in arrivo. Un sogno di deep learning automatico. Un approccio RDBMS al deep learning. Dichiarativo, spiegabile, scalabile, ottimizzabile, facile da distribuire, tutte quelle cose buone.
Una raccolta di materiali di ricerca sull'IA/ML spiegabile
Pacchetto ML interpretabile 🔍 per modellazione predittiva concisa, trasparente e accurata (compatibile con sklearn).
Fai parlare i tuoi agenti come esseri umani. Stili di output adatti all’ADHD per Claude Code, Codex e altri strumenti. Così puoi concentrarti sui contenuti, non sui token.
Genera spiegazioni controfattuali diverse per qualsiasi modello di machine learning.
Un elenco curato professionalmente di fantastici video, tutorial, libri, articoli, tesi di dottorato e master, articoli e librerie open-source sulla previsione conforme.
Libreria per l’estrazione di caratteristiche da serie temporali (TSFEL): oltre 60 caratteristiche statistiche, temporali, spettrali e frattali per la classificazione e la regressione di serie temporali e l’elaborazione dei segnali in Python
Articoli ICCV 2023-2025: Scopri la ricerca all'avanguardia di ICCV 2023-25, la conferenza leader nella visione artificiale. Rimani aggiornato sulle ultime novità nella visione artificiale e nel deep learning, con codice incluso. ⭐ Supporta lo sviluppo dell'intelligenza visiva!
Regressione Simbolica Distribuita ad Alte Prestazioni in Julia
Mappe di attribuzione di diffusione attenta per l'interpretazione di Stable Diffusion.
Esplorazione delle architetture AGI white-box: metacognizione (ciclo di autoconsapevolezza), apprendimento continuo (volano della conoscenza), modello del mondo (spazio condizionale + grafo semantico spaziotemporale), auto-miglioramento (disciplina di bootstrap), pipeline white-box senza LLM e salvaguardie di fiducia verificabili.
Privacy Meter: Una libreria open-source per controllare la privacy dei dati negli algoritmi statistici e di machine learning.
Ispeziona, visualizza e intervieni su qualsiasi operazione in qualsiasi rete neurale. Acquisisci ogni attivazione e gradiente, l’intero grafo computazionale e oltre 800 campi di metadati, senza modificare il codice del modello. Supporta PyTorch, JAX, TensorFlow, MLX, PaddlePaddle e tinygrad. Convalidato su oltre 6.400 modelli. Creato per i ricercatori e i loro agenti IA.
Utilizzare GPT per organizzare e accedere alle informazioni e generare domande. L'obiettivo a lungo termine è creare un assistente di ricerca simile a un agente.
[JMLR 2023] Quantus è un toolkit di IA spiegabile per la valutazione responsabile delle spiegazioni delle reti neurali
Un rilevatore di testo basato sull’intelligenza artificiale, open source, per identificare contenuti generati dall’IA in saggi, articoli e documenti. Supporta il rilevamento a livello di documento e di frase, con classificazione dei contenuti umani, generati dall’IA e misti, risultati spiegabili e sviluppo di modelli multilingue.
💭 Analisi del Sentimento Basata sugli Aspetti: Transformer & ML Spiegabile (TensorFlow)
Link a pubblicazioni di conferenze/riviste sull'accertamento automatico dei fatti (risorse per l'articolo TACL22/EMNLP23).
Implementazione PyTorch per l'articolo "Driving with LLMs: Fusing Object-Level Vector Modality for Explainable Autonomous Driving"
Motore per il tracciamento, la visualizzazione, l'esplicabilità, il rilevamento della deriva e i dashboard di IA/ML/dati per Polyaxon.
Domande frequenti
Qual è il repository #explainable-ai più popolare su GitHub?
Il progetto open source #explainable-ai più alto in classifica su GitHub è KindXiaoming/pykan, con 16,291 stelle. Reti di Kolmogorov Arnold
Quali linguaggi di programmazione sono più utilizzati nei repository #explainable-ai?
Tra i progetti #explainable-ai più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, HTML, JavaScript.
Come viene calcolata la classifica dei repository #explainable-ai?
Monitoriamo 49 repository open source attivi contrassegnati con #explainable-ai (500+ stelle), per un totale di 137,847 stelle e una media di 2,813 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.